Trực quan hóa nội suy chuỗi thời gian

Xử lý Dữ liệu Khuyết trong Python

Suraj Donthi

Deep Learning & Computer Vision Learning

Biểu đồ chuỗi thời gian chất lượng không khí

airquality['Ozone'].plot(title='Ozone', marker='o', figsize=(30, 5))

Biểu đồ chuỗi thời gian của tập dữ liệu chất lượng không khí

Điền khuyết tiến (ffill)

ffill_imp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))

airquality['Ozone'].plot(title='Ozone', marker='o')

Biểu đồ chuỗi thời gian của tập dữ liệu chất lượng không khí điền xuôi

Điền khuyết lùi (bfill)

bfill_imp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Biểu đồ chuỗi thời gian của tập dữ liệu chất lượng không khí điền lùi

Nội suy tuyến tính

linear_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Biểu đồ chuỗi thời gian của tập dữ liệu chất lượng không khí nội suy tuyến tính

Nội suy bậc hai

quadratic_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Biểu đồ chuỗi thời gian của tập dữ liệu chất lượng không khí nội suy bậc hai

Nội suy láng giềng gần

nearest_interp['Ozone'].plot(color='red', marker='o', linestyle='dotted', figsize=(30, 5))
airquality['Ozone'].plot(title='Ozone', marker='o')

Biểu đồ chuỗi thời gian của tập dữ liệu chất lượng không khí nội suy láng giềng gần

So sánh các phương pháp nội suy

# Create subplots
fig, axes = plt.subplots(3, 1, figsize=(30, 20))

# Create interpolations dictionary
interpolations = {'Linear Interpolation': linear_interp, 
                         'Quadratic Interpolation': quadratic_interp, 
                         'Nearest Interpolation': nearest_interp}

# Visualize each interpolation
for ax, df_key in zip(axes, interpolations):
            interpolations[df_key].Ozone.plot(color='red', marker='o', 
                                              linestyle='dotted', ax=ax)
            airquality.Ozone.plot(title=df_key + ' - Ozone', marker='o', ax=ax)

So sánh các phương pháp nội suy

So sánh các DataFrame chất lượng không khí đã nội suy

So sánh kỹ thuật điền khuyết

So sánh toàn bộ các tập dữ liệu chất lượng không khí sau điền khuyết

Tóm tắt

Biểu đồ chuỗi thời gian của DataFrame đã điền khuyết
So sánh các cách điền khuyết

Hãy thực hành!

Xử lý Dữ liệu Khuyết trong Python